Hoe onze AI-agents campagnes analyseren, en waar wij ingrijpen

Wat een agent bij ons doet

Een AI-agent is bij ons geen chatvenster waar iemand vragen in typt. Het is een vaste taak die op een vast moment draait, met toegang tot de systemen die erbij horen: Google Ads, Meta, GA4 en het CRM.

Elke ochtend loopt een agent alle advertentieaccounts langs. Hij kijkt of elke campagne die aan staat ook echt draait, of er aanvragen binnenkomen, en of de koppelingen naar het CRM nog werken. Wijkt iets af van wat normaal is, dan zoekt hij de oorzaak en haalt hij de cijfers erbij.

Elke week gaat het een laag dieper: zoektermen, advertentieteksten, de verdeling van het budget over campagnes. De agent legt dat naast de doelen en afspraken van die klant, en schrijft op wat hij zou veranderen en waarom.

Waar wij ingrijpen

Elk voorstel komt bij een strateeg terecht. Die stelt drie vragen die een agent niet goed kan beantwoorden:

• Klopt de meting? Een agent rekent met de data die er is. Telt een conversie dubbel of mist er een koppeling, dan is een keurig onderbouwd voorstel gewoon fout.
• Past het bij het doel? Een lagere prijs per aanvraag is niet altijd beter. Heeft de klant deze maand ruimte voor meer offertes, of juist niet, dan verandert het antwoord.
• Wat weet de agent niet? Een actie van een concurrent, een product dat uitverkocht raakt, een salesteam met twee zieken. Die context zit in gesprekken, niet in een account.

Daarna is het ja, nee of anders. Wat is goedgekeurd, voert de agent uit, en hij legt vast wat hij deed. Zo is elk besluit terug te lezen.

AI doet het werk, wij het oordeel.

Een voorbeeld

Een verzonnen, maar herkenbaar voorbeeld. Op maandagochtend meldt de agent dat de kosten per aanvraag in een campagne de afgelopen week met 40 procent zijn gestegen. Zijn voorstel: het budget met een vijfde verlagen en het verschil naar een campagne schuiven die het beter doet.

De strateeg kijkt eerst in het CRM. Daar blijkt dat dezelfde campagne die week meer offertes opleverde dan de weken ervoor. De aanvragen waren duurder, maar beter.

Het voorstel wordt afgewezen, en de agent krijgt een afspraak erbij: kijk bij deze klant naar de kosten per offerte, niet per aanvraag. Dat is precies de werkverdeling. De agent vond de afwijking voordat iemand ernaar zocht. De strateeg wist wat hij betekende.

Ruimte groeit stap voor stap

Een nieuwe agent begint bij ons meekijkend: hij signaleert en stelt voor, maar voert niets uit. Zo zie je eerst wat hij zou doen. Daarna voert hij uit na akkoord.

Pas als een mens zegt "dit soort keuze mag je voortaan zelf", wordt dat een vaste afspraak. Een campagne die aan staat maar niets uitgeeft, mag een agent bijvoorbeeld zelf als taak bij de projectmanager zetten. Een budget verschuiven mag hij niet. Alles buiten de afspraken legt hij voor.

Dat klinkt voorzichtig, en dat is het ook. Een fout van een agent is sneller gemaakt en sneller herhaald dan een fout van een mens. Daarom groeit de ruimte alleen waar het aantoonbaar goed gaat.

Wat het oplevert

De tijd die vroeger opging aan cijfers ophalen en accounts doorklikken, gaat nu naar de vraag wat er moet gebeuren. Wat vroeger pas bij de maandrapportage opviel, zien we de volgende ochtend. Zoals een campagne die aan stond, maar al dagen niet draaide.

En wat we voor onszelf bouwen, bouwen we ook voor klanten: een agent die je leadflows bewaakt, je rapportage klaarzet of je CRM nakijkt. Met dezelfde regel: de agent doet het werk, een mens velt het oordeel.

Tim den OudenFounder van Designated en AI-strateeg. Achtergrond in UX design en web development, en het technische profiel van het team: meting, data, de koppelingen daartussen en de AI-agents die het team ondersteunen.